چهارشنبه , مرداد ۲۹ ۱۴۰۴

بایگانی/آرشیو برچسب ها : یادگیری عمیق

آموزش Keras : استفاده از مدل های از پیش آموزش دیده ImageNet

آموزش Keras استفاده از مدل های از پیش آموزش دیده ImageNet

در این مقاله سعی داریم به نحوه استفاده از مدل های از پیش آموزش دیده در مجموعه های داده بزرگ مانند ILSVRC بپردازیم و همچنین نحوه استفاده از آن ها را برای وظایفی متفاوت از آنچه در آن آموزش دیده بودند را یاد می گیریم. در سه پست بعدی به …

بیشتر بخوانید »

آشنایی با Autoencoder ها در Tensorflow برای حذف نویز

آشنایی با Autoencoder ها درTensorFlow برای حذف نویز

در پست قبلی به درک شبکه عصبی پیشخور پرداختیم. در این مقاله ، با خودرمزگذار ( Autoencoder ) ها در یادگیری عمیق آشنا خواهیم شد. ما به عنوان مثال یک پیاده سازی عملی از استفاده از یک خودرمزگذار حذف نویز در مجموعه داده های ارقام دست نویس MNIST را نشان …

بیشتر بخوانید »

کلاسه بندی تصویر با شبکه عصبی کانولوشنی ( CNN ) در Keras

کلاسه بندی تصویر با CNN در Keras

در این آموزش ، ما با اصول شبکه های عصبی کانولوشنی ( CNN ) و نحوه استفاده از آن ها برای یک مسئله کلاسه بندی تصویر آشنا خواهیم شد. همچنین خواهیم دید که داده افزایی چگونه به بهبود عملکرد شبکه کمک می کند. ما در آموزش های قبلی در مورد …

بیشتر بخوانید »

کلاسه بندی تصاویر با شبکه عصبی پیشخور در Keras

کلاسه بندی با شبکه عصبی پیشخور در Keras

در این مقاله ، به نحوه ی پیاده سازی یک شبکه عصبی پیشخور ( Feed Forward ) در Keras خواهیم پرداخت. ما از کلاسه بندی ارقام دست نویس به عنوان مثالی برای نشان دادن اثربخشی شبکه پیشخور استفاده می کنیم. همچنین خواهیم دید که چگونه می توان بیش برازش ( …

بیشتر بخوانید »

آموزش شبکه عصبی پیشخور ( Feedforward Neural Network )

شبکه های عصبی پیشخور

در این سری از آموزش شبکه عصبی قصد داریم به شبکه های عصبی پیشخور ، که به آن ها Deep Feedforward Networks یا Multi-layer Perceptrons ( پرسپترون چند لایه ) نیز گفته می شود، بپردازیم. این شبکه ها اساس بسیاری از شبکه های عصبی مهمی هستند که اخیرا مورد استفاده …

بیشتر بخوانید »

دوره تصویری یادگیری عمیق به زبان ساده

دوره یادگیری عمیق به زبان ساده

در این دوره شما با مفهوم یادگیری عمیق آشنا می شوید. سپس به صورت جزئی انواع شبکه های عصبی ، ساختار آن ها و کاربرد هرکدام را بررسی می کنیم و در انتها با کتابخانه ها و ابزار های کاربردی در این حوزه آشنا خواهیم شد. این مجموعه در صورت …

بیشتر بخوانید »

دوره جامع آموزش PyTorch برای مبتدیان

دوره جامع آموزش PyTorch برای مبتدیان

دوره آموزشی PyTorch برای مبتدیان توسط Satya Mallick مدیر عامل OpenCV به عنوان مرجعی رسمی برای استفاده از PyTorch و کد نویسی آن ارائه شده که به مباحث مختلفی در زمینه پردازش تصویر ، کلاسه بندی و ناحیه بندی تصویر می پردازد. این دوره برای اولین بار توسط مجله شهاب به …

بیشتر بخوانید »

آموزش PyTorch برای مبتدیان – ناحیه بندی نمونه با Mask R-CNN

آموزش PyTorch برای مبتدیان ناحیه بندی نمونه با Mask R-CNN

در آخرین پست از مجموعه PyTorch برای مبتدیان ، ما در مورد تئوری Mask R-CNN و نحوه استفاده از یک مدل Mask R-CNN از قبل آموزش دیده در PyTorch بحث خواهیم کرد. فهرست مطالب۱- ناحیه بندی معنایی ، تشخیص اشیا و ناحیه بندی نمونه۱-۱ معماری Mask R-CNN2- کد نویسی Mask …

بیشتر بخوانید »

آموزش PyTorch برای مبتدیان – تشخیص اشیا با Faster R-CNN

آموزش PyTorch تشخیص اشیا با Faster R-CNN

در قسمت ششم دوره آموزشی PyTorch برای مبتدیان ، قصد داریم به فرآیند تشخیص اشیا Faster R-CNN با PyTorch بپردازیم. پس با ما همراه باشید. فهرست مطالب۱- کلاسه بندی تصویر در مقابل تشخیص اشیا۱-۱ کلاسه بندی تصویر یا تشخیص اشیا : از کدام یک باید استفاده کرد؟۲- تشخیص اشیا۱-۲ رویکرد …

بیشتر بخوانید »

دوره آموزشی مروری بر CUDA – آموزش تئوری و مدل برنامه نویسی

دوره آموزشی مروری بر CUDA تئوری و برنامه نویسی

دوره آموزشی مروری بر CUDA توسط Pradeep Gupta مدیر بخش راهکار های نرم افزاری NVIDIA برای آشنایی برنامه نویسان و تیم های نرم افزاری ارائه شده است. این دوره برای اولین بار توسط مجله شهاب با زبان فارسی تقدیم علاقه مندان گردیده است. این دوره به معرفی مفاهیم CUDA و پردازش موازی …

بیشتر بخوانید »